R语言入门3

2024-04-05 14:40| 来源: 网络整理| 查看: 265

文章目录写在篇前向量矩阵数组因子数据框构建数据框观察数据行名、列名获取行数据、列数据添加列数据类型转换子集查询数据合并列表其他

写在篇前

本篇主要总结R语言中六大基本数据结构的基本概念和常用操作，包括向量（Vector）、矩阵（Matrix）、数组（Array）、因子（Factor）、数据框（Data.Frame）、列表（List）。这六大基本数据结构和R语言流程控制是我们编写R脚本的基石，再结合R语言丰富的函数以及社区开发Package，我们就能应用R语言做很多非常Cool的事情。

向量

向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c()可用来创建向量。注意，单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型），如：

> a = c(1,2,3,4,5) > mode(a) # 说明这是一个数值型存储的向量 [1] "numeric"

向量是一个常用并且非常简单的数据结构，主要需要注意一下向量元素的索引（R语言的数据结构的下标是从1开始的）以及数据类型转换：

# 创建向量 > a = c(1,2,3,4,5) > b = c(1:5) > c_ = c("1","2","3","4","5") > d = c(T,F,T,T,F) # 数据类型相关操作 > typeof(a) [1] "double" > mode(a) [1] "numeric" > class(a) [1] "numeric" > is.numeric(a) [1] TRUE > is.double(a) [1] TRUE > as.character(a) [1] "1" "2" "3" "4" "5" > as.character(a) == b [1] TRUE TRUE TRUE TRUE TRUE # 索引向量元素 > a[1] [1] 1 > a[2:4] [1] 2 3 4 > a[c(2,4)] [1] 2 4 矩阵

矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型），可通

过函数matrix创建矩阵。一般使用格式为：

mymatrix nums = 1:4 > rnames = c('r1','r2') > cnames = c('c1','c2') > matrix_obj = matrix(nums,nrow=2,dimnames=list(c(),cnames)) > matrix_obj c1 c2 [1,] 1 3 [2,] 2 4 > matrix_obj = matrix(nums,nrow=2,dimnames=list(rnames,cnames) + ) > matrix_obj c1 c2 r1 1 3 r2 2 4

可以使用下标和方括号来选择矩阵中的行、列或元素。X[i,]指矩阵X中的第i 行，X[,j]

指第j 列，X[i, j]指第i 行第j 个元素，选择多行或多列时，下标i 和j 可为数值型向量。

> a = matrix(1:20,nrow=5) > a [,1] [,2] [,3] [,4] [1,] 1 6 11 16 [2,] 2 7 12 17 [3,] 3 8 13 18 [4,] 4 9 14 19 [5,] 5 10 15 20 # 索引单个数据 > a[1] integer(1) > a[7] [1] 7 # 索引行 > a[1,] [1] 1 6 11 16 > matrix_obj['r1',] c1 c2 1 3 # 索引列 > a[,1:2] [,1] [,2] [1,] 1 6 [2,] 2 7 [3,] 3 8 [4,] 4 9 [5,] 5 10 > matrix_obj[,'c1'] r1 r2 1 2 # 综合 > a[1:2,2:3] [,1] [,2] [1,] 6 11 [2,] 7 12 数组

数组（array）与矩阵类似，但是维度可以大于2。数组可通过array函数创建，形式如下：

myarray dim1 = c('A1','A2') > dim2 = c('B1','B2','B3') > dim3 = c('C1','C2','C3','C4') > z = array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3)) # 由此创建了一个2*3*4的数组

这里特别需要注意的是这些数在空间上的延伸顺序，此数组可以看作4个2*3的矩阵，各个矩阵中依次按列延伸。因此，该矩阵如下：

> z , , C1 B1 B2 B3 A1 1 3 5 A2 2 4 6 , , C2 B1 B2 B3 A1 7 9 11 A2 8 10 12 , , C3 B1 B2 B3 A1 13 15 17 A2 14 16 18 , , C4 B1 B2 B3 A1 19 21 23 A2 20 22 24

与前面相同，我们需要关注数组的索引操作，基本和向量、矩阵如出一辙：

# 索引元素 > z[1,1,3] [1] 13 # 综合索引 > z[1:2,1:3,2] B1 B2 B3 A1 7 9 11 A2 8 10 12 > z[c('A1','A2'),c('B1','B2','B3'),'C2'] B1 B2 B3 A1 7 9 11 A2 8 10 12 因子

变量可以归结为以下几种：

名义型

名义型变量是没有顺序之分的类别变量。糖尿病类型Diabetes（Type1、Type2）是名义型变量的一例。即使在数据中Type1编码为1而Type2编码为2，这也并不意味着二者是有序的。

有序型

有序型变量表示一种顺序关系，而非数量关系。病情Status（poor, improved, excellent）是顺序型变量的一个上佳示例。我们明白，病情为poor（较差）病人的状态不如improved（病情好转）的病人，但并不知道相差多少。

连续型

连续型变量可以呈现为某个范围内的任意值，并同时表示了顺序和数量。年龄Age就是一个连续型变

量，它能够表示像14.5或22.8这样的值以及其间的其他任意值。

类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor），函数factor()以一个整数向量的形式存储类别值，整数的取值范围是[ 1 … k ]（其中k 是名义型变量中唯一值的个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数。

因子主要有以下几种情况：

名义型变量因子

> diabetes = c("Type1","Type2","Type1","Type2") > diabetes = factor(diabetes) > diabetes [1] Type1 Type2 Type1 Type2 Levels: Type1 Type2 > str(diabetes) Factor w/ 2 levels "Type1","Type2": 1 2 1 2 > summary(diabetes) Type1 Type2 2 2

有序型变量因子

> status = c("Poor","Imporved","Excellent","Poor") > status = factor(status,ordered=TRUE) > status [1] Poor Imporved Excellent Poor Levels: Excellent < Imporved < Poor > str(status) Ord.factor w/ 3 levels "Excellent" status = c("Poor","Improved","Excellent","Poor") > status = factor(status,ordered=TRUE,levels=c("Poor","Improved","Excellent"),labels=c("bad","middle","good")) > status [1] bad middle good bad Levels: bad < middle < good > str(status) Ord.factor w/ 3 levels "bad" str(students) 'data.frame': 3 obs. of 4 variables: $ ID : num 1 2 3 $ Name : Factor w/ 3 levels "jeffery","kim",..: 1 3 2 $ Gender : Factor w/ 2 levels "female","male": 2 2 1 $ Birthdate: Factor w/ 3 levels "1986-10-19","1997-5-26",..: 1 2 3 行名、列名 # 获取行名、列名 > row.names(students) [1] "1" "2" "3" > rownames(students) [1] "1" "2" "3" > names(students) [1] "ID" "Name" "Gender" "Birthdate" >colnames(students) [1] "ID" "Name" "Gender" "Birthdate" # 设置列名、行名 > row.names(students) rownames(students) names(students) colnames(students) students$name [1] jeffery tom kim Levels: jeffery kim tom > students[,2] [1] jeffery tom kim Levels: jeffery kim tom > students[[2]] [1] "jeffery" "tom" "kim" > students[2] name 001 jeffery 002 tom 004 kim > students['name'] name 001 jeffery 002 tom 004 kim > students[c('id','name')] id name 001 1 jeffery 002 2 tom 004 3 kim > students[1:2] id name 001 1 jeffery 002 2 tom 004 3 kim # 获取行 > students[1,] ID Name Gender Birthdate 1 1 jeffery male 1986-10-19 # 获取列和行 > students[2:3,2:4] name gender birth 002 tom male 1997-5-26 004 kim female 1998-9-8

在复杂操作时，可以使用以下代码简化代码：

# attach、detach > attach(students) > name detach(students) > name [1] jeffery tom kim Levels: jeffery kim tom # with > with(students,{ + name print(name) [1] jeffery tom kim Levels: jeffery kim tom

但是上面的with有一种情况需要注意，当要在{}中对存在的全局变量赋值时，需要使用 cbind(students, score[1:3,]) ID Name Gender Birthdate Age SID Course Score 1 1 jeffery male 1986-10-19 33 1 Math 90 2 2 tom male 1997-5-26 22 1 English 80 3 3 kim female 1998-9-8 21 2 Math 80 列表

列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，

component）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个

列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。可以使用函数list()创建列表:

mylist b = c(1,2,3,4,5) > c = matrix(1:10, nrow=5) > d = c("1","2","3","4","5") > mylist = list(title=a,months=b,c,d) > mylist $title [1] "My First List" $months [1] 1 2 3 4 5 [[3]] [,1] [,2] [1,] 1 6 [2,] 2 7 [3,] 3 8 [4,] 4 9 [5,] 5 10 [[4]] [1] "1" "2" "3" "4" "5" # 索引方式(特别注意他们之间的区别) > mylist[[1]] # 返回list中对应元素 [1] "My First List" > mylist[1] # 返回的是list类型 $title [1] "My First List" > mylist['title'] # 返回的是list类型 $title [1] "My First List" > mylist[['title']] # 返回list中对应元素 [1] "My First List" > mylist$title # 返回list中对应元素 [1] "My First List" # 所以不难推测，构建list的子集可以如下： > mylist[c('title','months')] $title [1] "My First List" $months [1] 1 2 3 4 5 其他

上面的示例代码中涉及可能涉及下面这些容易混淆的函数，在此，对这些函数进行总结归纳：

上下文函数

with和attach的区别就是，如果在with上下文中需覆盖全局变量的值，需要使用

【本文地址】

公司简介

联系我们